Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DUALIDAD
Pero como −𝑤𝐼 ≤ 0 es lo mismo que 𝑤 ≥ 0, con lo cual, obtenemos la forma canónica del
problema dual.
𝒘≥𝟎
Min (−𝒃𝑇 )𝒘
𝒘𝑇 ≥ 0
Max 𝒙𝑇 (−𝒄)
𝒙𝑇 ≥ 0
s.a 𝐴𝒙 ≥ 𝒃
𝒙≥𝟎
Lema 1:
En la práctica muchos programas lineales contienen restricciones de tipo “<”, “>”, “≤”, “≥” o no
restringidas. En teoría, podemos aplicar algunas técnicas para convertir un problema variado a la
forma primal o dual discutidos anteriormente.
Min 𝒄𝑇 𝒙
s.a. 𝐴1 𝒙 − 𝐼𝒙𝑠 = 𝒃1
𝐴2 𝒙 = 𝒃2
𝐴3 𝒙 + 𝐼𝒙𝑡 = 𝒃3
𝒙 ≥ 0, 𝒙𝑠 ≥ 0, 𝒙𝑡 ≥ 0
El dual de este problema es:
Max 𝒘1 𝒃1 + 𝒘2 𝒃2 + 𝒘3 𝒃3
s.a. 𝒘1 𝐴1 + 𝒘2 𝐴2 + 𝒘3 𝐴3 ≤ 𝒄
−𝒘𝟏 𝐼 ≤0
𝒘3 𝐼 ≤ 0
𝒘1 , 𝒘2 , 𝒘3 no restringidas
Podemos observar lo siguiente:
Una desigualdad del tipo “≥” da lugar a variables mayores o igual que cero (no negativas) en el
problema de maximización.
Una restricción del tipo “=” da lugar al surgimiento de variables no restringidas.
Una desigualdad del tipo “≤” da lugar a variables menores o igual que cero (no positivas) en el
problema de maximización.
La siguiente tabla resume las situaciones que se presentan al momento de obtener el dual de un
programa lineal:
Problema de Problema de
Minimización Maximización
Restricciones
≥0 ≤
Variables
≤0 ≥
No restringidas =
Restricciones
≥ ≥0
≤ ≤0
Variables
= No restringidas
Ejemplo 3:
Hallar el dual del siguiente problema lineal:
Ejercicio:
Hallar el dual del siguiente programa lineal:
𝐴𝒙0 ≥ 𝒃, 𝒙0 ≥ 𝟎, 𝒘0 𝐴 ≤ 𝒄, 𝒘0 ≥ 𝟎
𝒄𝒙0 ≥ 𝒘0 𝐴𝒙0 ≥ 𝒘0 𝒃
Lema 2:
El valor de la función objetivo para cualquier solución factible al problema de minimización es
siempre mayor o igual al valor de la función objetivo de cualquier solución factible del problema
de maximización.
Como ilustración de aplicación de este Lema, supongamos que en el ejemplo 2, seleccionamos las
soluciones factibles primal y dual las siguientes:
𝑇
7
𝒙0 = ( , 0) , 𝒘0 = (2,0)
5
Entonces,
42
𝒄𝒙0 = = 8.4, 𝒘0 𝒃 = 8
5
Así, la solución óptima para alguno de estos problemas (P) y (D) toma valor objetivo entre 8 y 8.4.
Corolario 1:
Si 𝒙0 y 𝒘0 son soluciones factibles para los problemas primal y dual tales que 𝒄𝒙0 = 𝒘0 𝒃, entonces
𝒙0 y 𝒘0 son soluciones óptimas para sus respectivos problemas.
Corolario 2:
Si alguno de los problemas (P), (D) tiene un valor objetivo no acotado, entonces el otro problema
no posee solución factible.
Este corolario indica que el no acotamiento de un problema implica la no factibilidad del otro. Esta
propiedad es simétrica. ¿La no factibilidad en un problema implica no acotamiento del otro?
Rpta. No necesariamente.
Ejemplo 4:
Consideremos el siguiente problema lineal:
Min −𝑥1 − 𝑥2
(P) s.a. 𝑥1 − 𝑥2 ≥ 1
−𝑥1 + 𝑥2 ≥ 1
𝑥1 , 𝑥2 ≥ 0
El dual del problema dado es el siguiente:
Max 𝑤1 + 𝑤2
(D) s.a. 𝑤1 − 𝑤2 ≤ −1
−𝑤1 + 𝑤2 ≤ −1
𝑤1 , 𝑤2 ≥ 0
Graficando ambos problemas:
𝑥2 𝑤2
Recordemos lo siguiente:
“Una condición necesaria y suficiente para que 𝒙∗ sea un punto óptimo para el problema lineal
Min 𝒄𝑇 𝒙
s.a. 𝐴𝒙 ≥ 𝒃
𝒙≥𝟎
es que exista un vector 𝒘∗ tal que:
1) 𝐴𝒙∗ ≥ 𝒃, 𝒙∗ ≥ 𝟎
2) 𝒘∗ 𝐴 ≤ 𝒄, 𝒘∗ ≥ 𝟎
3) 𝒘∗ (𝐴𝒙∗ − 𝒃) = 𝟎, (𝒄𝑇 − 𝒘∗ 𝐴)𝒙∗ = 𝟎”
De este modo, 𝒘∗ debe ser una solución óptima para el problema dual.
Lema 3:
Si un problema posee una solución óptima, entonces ambos problemas, primal y dual, poseen
soluciones óptimas y ambos valores objetivos son iguales.
A partir de este Teorema, vemos que la dualidad no es completamente simétrica. Lo mejor que
podemos decir es lo siguiente:
Holgura Complementaria:
Sean 𝒙∗ y 𝒘∗ soluciones óptimas para los problemas (P) y (D) en forma canónica, respectivamente.
Entonces,
𝒄𝑇 𝒙∗ ≥ 𝒘∗ 𝐴𝒙∗ ≥ 𝒘∗ 𝒃
𝑇 ∗ ∗
Pero 𝒄 𝒙 = 𝒘 𝒃.
De este modo, tenemos:
𝒄𝑇 𝒙∗ = 𝒘∗ 𝐴𝒙∗ = 𝒘∗ 𝒃
Esto no da lo siguiente:
𝑤𝑖∗ (𝑎𝑖 𝑥 ∗ − 𝑏𝑖 ) = 0, ∀ 𝑖 = 1, … , 𝑚
(𝑐𝑗 − 𝑤 ∗ 𝑎 𝑗 )𝑥𝑗∗ = 0, ∀ 𝑗 = 1, … , 𝑛
Este Teorema nos indica que al menos uno de los dos términos en cada expresión debe ser cero. En
particular,
𝑥𝑗∗ > 0 ⇒ 𝑤 ∗ 𝑎 𝑗 = 𝑐𝑗
𝑤 ∗ 𝑎 𝑗 < 𝑐𝑗 ⇒ 𝑥𝑗∗ = 0
𝑤𝑖∗ > 0 ⇒ 𝑎𝑖 𝑥 ∗ = 𝑏𝑖
𝑎𝑖 𝑥 ∗ > 𝑏𝑖 ⇒ 𝑤𝑖∗ = 0
𝑥𝑗∗ 𝑤𝑚+𝑗
∗
= 0, 𝑗 = 1, … , 𝑛
∗ ∗
𝑤𝑖 𝑥𝑛+𝑖 = 0, 𝑖 = 1, … , 𝑚
Esto relaciona las variables de un problema con las variables de holgura en el otro.
Ejemplo 5:
Resolver:
Min 2𝑥1 + 3𝑥2 + 5𝑥3 + 2𝑥4 + 3𝑥5
s.a. 𝑥1 + 𝑥2 + 2𝑥3 + 𝑥4 + 3𝑥5 ≥ 4
(P) 2𝑥1 − 2𝑥2 + 3𝑥3 + 𝑥4 + 𝑥5 ≥ 3
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ≥ 0
Solución:
Hallando el dual del problema primal (P)
Como el dual sólo tiene dos variables, podemos resolverlo gráficamente como sigue:
𝑤2
óptimo
1
1 2 3 𝑤1
4 3
La solución óptima es 𝑤1∗ = , 𝑤2∗ = , con valor objetivo 5.
5 5